问题标签 [r-ranger]

我正在尝试在我的火车数据集上运行多个游侠模型，但一直收到错误消息“错误：mutate()输入有问题model。未找到 x 对象‘norm_qty’我输入model是map(...)。”

这是我的代码

任何帮助将不胜感激，谢谢大家！:)

我ranger用来适应随机森林。作为评估指标，我使用的是 roc-auc-score，按cvAUC. 做出预测后，当我尝试评估 auc 分数时，我得到一个错误：Format of predictions is invalid. It couldn't be coerced to a list. 我认为这是由于预测包含Level显示预测的独特级别的一部分。但是，我无法摆脱那部分。下面是最小的可重现示例，它会引发错误：

我的数据集 (be) 只是一个通用系列，我使用该系列的 2 个滞后值作为预测变量。当我通过 mlr3 运行 ranger 时，我收到一条错误消息，提示 pdata$se 中存在缺失值，不知道出了什么问题，数据集中没有缺失值。任何帮助表示赞赏。

^{由reprex 包于 2021-05-14 创建 (v2.0.0 )}

当我将 ranger 用于分类模型并treeInfo()提取树时，我发现有时拆分会导致两个相同的终端节点。这是预期的行为吗？为什么在最终节点相同的情况下引入拆分是有意义的？

从这个问题，我认为prediction变量可能是多数类（尽管对于 python 和另一个随机森林实现）。游侠?treeInfo文档说它应该是预测的类。

MWE

在此示例中，最后四行（nodeID 为 5 和 6，以及 7 和 8 的最终节点）具有预测TRUE和FALSE。从图形上看，这看起来像这样

I am currently applying the following recipe and workflow in order to fit a Random Forest using 5 folds cross validation using fit_resamples. The workflow looks something like this:

When fitting the model I am prompted with the following failure message:

This looks limited to the one hot encoded columns and even with step_naomit(skip = TRUE). For this reason, I've erroneously thought that placing step_naomit after step_mutate would take care of it.

I am probably overlooking something fairly simple here, this is my first stab at {tidymodels} after a long R hyathus.

我正在尝试计算一个非常大的数据帧的多分类问题的混淆矩阵，该矩阵被划分并缩放为 Train_Scale 和 Test_Scale（训练集的比例用于缩放测试）集。

Ranger是用来做建模的：

变量 Class 有 5 个级别：

在测试集上进行验证，如下所示：

probabilitiesClass 是一个由 5 组成的列表，如下所示：

尝试通过混淆矩阵解释结果时出现以下错误：

上图中的预测是否应该是因子（因为它目前是双倍的），并且因为 Class 是具有 5 个级别的因子？

或者，尝试使用表（注意：也没有出现 NA 值）会出现以下错误：

出了什么问题以及如何使用 ranger（首选，因为插入符号仅解释 upt0 53 个级别？）和插入符号获得多类分类的混淆矩阵？

我正在调用 ranger 来对大型混合数据框架的多分类问题进行建模（其中一些分类变量的级别超过 53 个）。训练和测试运行没有任何问题。但是，解释混淆矩阵/列联表会打嗝。

我使用 iris 数据来解释我面临的困难，将 Species 视为分类变量，

遇到以下困难：

或者

然而，下面显示的二分类是有效的：

如何解决这个问题以进行多分类以获得混淆矩阵？我也将其设置为单独的线程（使用 ranger 计算多分类混淆矩阵时出错）

我想要一个游侠对象的校验和。（随机森林）
我可以在内存中做到这一点，而不写入文件吗？

这是我的虚拟代码：

我收到以下错误：

我该如何进行这项工作？

tl;df R::ranger 或 h2o.ai::randomForest 中的什么设置可以解释完全相同数据的非常不同的性能？

背景：
我正在尝试使用一个有些严重不平衡的数据集进行分类，并且正在考虑的优度是 Kappa（来自插入符号）。我有大约 70k 行和大约 400 列，大约 99.3% 是“0”类，而大约 0.7% 是“1”类。

这是游侠输入的片段：

这是 h2o.ai randomForest 输入的片段：

注意：我尝试将它们都设置为最大深度 12，但没有帮助。我尝试将它们都发送到最大深度 20，但并没有改变。我尝试将最大深度设置为空，但这也无济于事。

当我运行 10 个 train-predict-evaluate 循环时，我得到了 ranger 的 kappa 值：

我得到了 h2o.ai randomForest 的 kappa 值：

在我看来，h2o.randomForest 上的 kappa 的平均 kappa 比 ranger 高约 2.56 倍。

问题：那个游侠不是水在做什么？

想法：

• h2o.ai 中可能存在动态学习率元素
• h2o.ai 中的这个“直方图”和“箱”可能有一些东西

更新（9 月 23 日）：

• 尝试在 ecdf 域上使用 paa 来人为地压缩直方图，这大大降低了 ranger 的 kappa。结论是，去除列中的多样性会影响系统的性能。
• 尝试强制平衡课程（一些统计数据的人说这很糟糕）并且 kappa 对他们两个都变得更好（见下文）。还将最小行数更改为 1。

这是护林员：

这是h2o.ai：

不平衡数据的平均 kappa 差异为 0.377，而平衡类的平均 kappa 差异为 0.428。仍然存在差距，但对重采样数据的训练会产生更好的测试集性能。

Ranger 有 2 种平衡类别的方法，一种是通过重采样，另一种是通过“权重”，我认为（我疯狂猜测）与计算最佳分割的位置有关。

以下是 ranger 为加权驱动的类平衡提供的内容：

以下是它为重采样驱动的类平衡提供的内容：

这是我在使用它们时得到的结果：

前两个不重叠，一个显然更好。当它们都被使用时，与仅使用重采样时相比，减少非常轻微（可能可以忽略不计），因此在没有网格搜索和微调的情况下，使用基于重采样的平衡似乎更好。

当我尝试使用“extratrees”而不是“gini”时，这是一种与 h2o 不一致但近似于列子采样的拆分规则，摘要大幅上升：

这是我目前最好的，但这仍然是猜测。

我正在使用 r 包 caret 和 ranger 来开发一个分类器来预测死亡风险，但是我在计算 AUC 时遇到了麻烦：

我知道在训练模型时我需要设置probability = TRUE，但是，我收到一条错误消息：

'由多个实际参数匹配的形式参数“概率”'，我无法运行模型。

我的代码：

然后我在尝试运行它时收到此错误消息：

我究竟做错了什么？